Im Rahmen einer Kooperation der Arbeitsgruppen Festkörpermechanik (Prof. Stefan Hartmann) und Machine Learned Models for Engineers (Prof. Andreas Rausch, Institut for Software and Systems Engineering) wurden tiefe neuronale Netze (Deep Neural Networks) verwendet, um mehrskalige Simulationen mit finiten Elemente zu beschleunigen. In diesen mehrskaligen Simulationen wird die Mikrostruktur des Materials berücksichtigt. Durch die Nutzung von finiten Elementen auf einer Makro- und einer Mikroskala werden die Simulationen als FE2-Simulationen bezeichnet. Selbst bei der Verwendung von modernen Berechnungsservern liegen die üblichen Rechenzeiten bei mehreren Stunden bis hin zu mehreren Tagen. Durch die Verwendung von Deep Neural Networks als Ersatzmodell für die Mikrostruktur-Berechnungen konnte die Rechenzeit auf wenige Sekunden reduziert werden.
Der Beitrag ist im Journal Mathematical and Computational Applications erschienen und Open Access verfügbar https://www.mdpi.com/2297-8747/28/4/91. Aufgrund der hohen Relevanz der Ergebnisse wurde der Beitrag in die Feature Papers in Mathematical and Computational Applications 2023 aufgenommen.
